English(EN) Can We Model the Artifacts Explicitly? Disentangle Artifacts via Pairwise Edit Relations for Image Manipulation Localization

新的IML方法显式地对图像篡改伪影进行建模

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

研究人员提出了一种新的图像篡改定位（IML）方法，通过显式地对导致图像变化的伪影进行建模。该研究将IML重新解释为一个潜在变量问题，其中伪影是关键组成部分，而不是将其视为直接预测任务。这种称为成对伪影学习（PAL）的方法利用编辑关系来解耦伪影并提高定位精度。为了促进这种方法，创建了一个名为EditGroup-45K的新数据集，其中包含用于对构建的源锚定编辑组。实验表明，PAL范式增强了各种IML架构，并通过特征解耦有效地捕获了伪影。 AI

影响这项研究通过改进对图像变化伪影的显式建模，有望带来更强大的图像取证和篡改检测工具。

排序理由该集群包含一篇学术论文，详细介绍了一种新的图像篡改定位方法和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 7 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一种新的图像篡改定位方法和数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Xuekang Zhu, Kaiwen Feng, Ruifeng Wang, Xiwen Wang, Xiaochen Ma, Bo Du, Changjiang Jiang, Chenfan Qu, Songyu Ye, Xia Du, Wentao Feng, Jian Liu, Ji-Zhe Zhou · 2026-10-07 04:00

我们能否显式地建模伪影？通过成对编辑关系解耦伪影以进行图像操纵定位

arXiv:2610.07916v1 Announce Type: new Abstract: Image Manipulation Localization (IML) is commonly formulated as a fully supervised learning task that estimates the optimal manipulation mask $y$ for a given image $x$. In this work, we first reveal the latent nature of artifacts an…

本文如何被排名

报道来源 [1]

我们能否显式地建模伪影？通过成对编辑关系解耦伪影以进行图像操纵定位

相关实体

相关话题